正則表示式簡易實現
版權宣告：本文為博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/ssjhust123/article/details/7760119
正則表示式
雖然正則表示式在 U n i x/Linux程式設計環境裡隨處可見,但在其他的系統裡使用得卻沒有這麼廣泛。一個正則表示式本身也是一個字元序列,它定義了一集能與之匹配的字串。大部分字元只是簡單地與相同字元匹配,例如正則表示式 a b c將匹配同樣的字元序列,無論它出現在什麼地方。在這裡還有幾個元字元(meta character),它們分別表示重複、成組或者位置。
在 Unix通行的正則表示式中,字元 ^表示字串開始, $表示字串結束。這樣, ^ x只能與位於字串開始處的 x匹配,x $只能匹配結尾的 x,^ x $只能匹配單個字元的串裡的 x,而^ $只能匹配空串。字元“ .”能與任意字元匹配。所以,模式 x . y能匹配x a y、x 2 y等等,但它不能匹配 x y或xaby。顯然 ^.$能夠與任何單個字元的串匹配。寫在方括號 []裡的一組字元能與這組字元中的任一個相匹配。這樣 [0123456789] 能與任何數字匹配。這個模式也可以簡寫為 [0-9]。
最有名的正則表示式工具就是linux系統裡面的 g r e p程式。這個程式是一個極好的例子,它確實顯示出記法的價值。 g r e p將一個正則表示式作用於輸入的每一行,打印出所有包含匹配字串的行。這是一個非常簡單的規範,但是,藉助於正則表示式的威力,它能夠完成許多我們天天都能遇到的工作。
簡易實現
先從程式碼入手，下面是正則表示式匹配的主函式match，接收引數為匹配模式regexp和文字text。
/*match匹配regexp與text，如果不匹配則text往後移動，繼續下一次匹配，直到匹配成功即返回，否則返回0。
特例是regexp以^開頭，表示需要以此作為開始，所以這時regexp只能從頭匹配text，不能從匹配text的其他位置*/
int match(char *regexp, char *text)
{
if (regexp[0] == '^')
return matchhere(regexp+1, text);
do {
if (matchhere(regexp, text))
return 1;
} while (*text++ != '\0');
return 0;
}
如果正則表示式的開頭是 ^,那麼正文必須從起始處與表示式的其餘部分匹配。否則,我們就沿著串走下去,用 m a t c h h e r e看正文是否能在某個位置上匹配。一旦發現了匹配,工作就完成了。注意這裡 d o - w h i l e的使用,有些表示式能與空字串匹配 (例如: $ 能夠在字串的末尾與空字串匹配, *能匹配任意個數的字元,包括 0個)。所以,即使遇到了空字串,我們也還需要呼叫 matchhere。
遞迴函式matchhere完成大部分的匹配工作：
int matchhere(char *regexp, char *text)
{
if (regexp[0] == '\0')
return 1;
if (regexp[0]=='$' && regexp[1]=='\0')
return *text == '\0';
if (regexp[1] == '*')
return matchstar(regexp[0], regexp+2, text);
if (*text!='\0' && (regexp[0]=='.' || regexp[0]==*text))
return matchhere(regexp+1, text+1);
return 0;
}
如果regexp[0]=='\0'，表示已經匹配到末尾，則匹配成功，返回1.如果表示式的最後是 $,匹配成功的條件是正文也到達了末尾;即判斷*text=='\0'。如果正文text也到了末尾，則匹配成功，否則失敗。如果正文沒有到末尾，且regexp[0]==*text或者regexp=='.'(.表示匹配任意字元)，則遞迴呼叫matchhere繼續下一次匹配。如果regexp[1]=='*'，則過程稍顯複雜，在表示式開始處遇到了帶星號字元,例如 x *。這時我們呼叫 m a t c h s t a r,其第一個引數是星號的引數 (在上面的例子裡是 x),隨後的引數是位於星號之後的模式,以及對應的正文串。
int matchstar(int c, char *regexp, char *text)
{
do {
if (matchhere(regexp, text))
return 1;
} while (*text!='\0' && (*text++==c || c=='.'));
return 0;
}
例項
1）char *regexp="abc", text="dagabcdefg", 匹配成功。 2）char *regexp="^abc", *text="abcdefg", 匹配成功。
3）char *regexp="^abc", *text="bcdefgabc", 匹配失敗。4) char *regexp="abc$", *text="defghabc", 匹配成功。
完整程式碼
#include <stdio.h>
int matchstar(int c, char *regexp, char *text);
int matchhere(char *regexp, char *text);
int match(char *regexp, char *text);
int match(char *regexp, char *text)
{
if (regexp[0] == '^')
return matchhere(regexp+1, text);
do {
if (matchhere(regexp, text))
return 1;
} while (*text++ != '\0');
return 0;
}
int matchhere(char *regexp, char *text)
{
if (regexp[0] == '\0')
return 1;
if (regexp[0]=='$' && regexp[1]=='\0')
return *text == '\0';
if (regexp[1] == '*')
return matchstar(regexp[0], regexp+2, text);
if (*text!='\0' && (regexp[0]=='.' || regexp[0]==*text))
return matchhere(regexp+1, text+1);
return 0;
}
int matchstar(int c, char *regexp, char *text)
{
do {
if (matchhere(regexp, text))
return 1;
} while (*text!='\0' && (*text++==c || c=='.'));
return 0;
}
int main()
{
char *regexp = "xa$";
char *text = "bcabcdefgya";
int ret = match(regexp, text);
printf("%d\n", ret);
return 0;
}